روش پیش ‏بینى بارندگى با استفاده از مدل سری هاى زمانى باکس - جنکینز (مطالعه موردى ایستگاه قائم شهر)

Abstract

مدل هاى پیش ‏بینى باکس- جنکینز یکى از معروف‏ ترین مدل هاى سری هاى زمانى است که در پیش‏ بینى پدیده‏ هاى مختلف جغرافیایى اهمیت بسزایى دارد. در روش‏شناسى باکس - جنکینز مدل هاى سرى زمانى در واقع مدل هاى تلفیقى اتورگرسیو و میانگین متحرک مى‏ باشند که در آمار به مدل هاى ARIMA(1) معروف هستند. از مدل هاى ARIMA مى‏ توان مدل هاى متعددى چون مدل رگرسیون ساده و چند متغیره، اتورگرسیو، میانگین متحرک، مدل هاى فصلى و حتى مدل هاى ناشناخته دیگر را استخراج کرد. در این تحقیق ضمن بیان روش پیش‏ بینى بارش از طریق مدل سرى زمانى باکس- جنکینز، به طور عملى و با برازش دادن این مدل بر روى داده‏ هاى بارش ماهانه ایستگاه سینوپتیک قائمشهر که از آمار 50 ساله برخوردار است، بهترین مدل براى پیش ‏بینى بارش در این ایستگاه که از نوع مدل SARIMA(1.0.1)(0.1.1) بود، انتخاب شد.

Keywords

• سرى زمانى
• مدل هاى باکس- جنکینز
• خود همبستگى
• خود همبستگى جزئى- ARIMA- ایستگاه قائمشهر